【市一等奖】生成式人工智能在初中数学跨学科主题学习中的应用研究

摘要：跨学科主题学习是培养学生综合品质的重要途径，但教师在实施过程中面临诸多困境．同时，生成式人工智能的快速发展为技术赋能教学带来机遇和挑战．本文依据“师－机－生”三元教学模式，以苏科版教材中“估计圆周率π的范围”为案例，从课前准备、课中探究、课后评价三个角度，展现生成式人工智能在促进知识结构化、支持个性化探究和实现精准评价方面的赋能机制，并指出师生需警惕技术依赖与“幻觉问题”等潜在风险．

关键词：生成式人工智能；跨学科主题学习；初中数学

１研究背景

《义务教育数学课程标准（２０２２年版）》（下称《课标２０２２》）指出，进一步加强综合与实践的教学实施，以跨学科主题学习为主要形式，着力培养学生的创新意识、实践能力等综合品质［１］８７．跨学科主题学习以解决实际问题为重点，是加强课程综合和强化课程协同育人的重要板块，是培养学生综合素质的重要载体［２］．近年来，围绕跨学科主题学习的研究日益丰富：文［３］认为，跨学科主题学习的实现需要推动跨学科知识与生活融合，注重生成实践结果．文［４］整合问题式和项目式学习的优势，提出ＤｏＰＢＬ模式，并给出具体实施方案．文［５］提出以大概念为基础的跨学科主题学习“Ｃ－ＰＯＴＥ”模型，强调以驱动性问题促进学生对大概念的深层理解，通过任务展现学生成果．现阶段丰富的研究覆盖了理论基础、设计框架和效果验证等方面，推进了跨学科主题学习的落实．

然而，在教学实践中教师往往会面临课程内容表面化、学习过程低阶和程序化等教学困境．学生虽然获得了具体经验，但其思维过程往往仍停留在表层，知识和方法缺乏结构化的特征，难以建立可迁移的思维策略．生成式人工智能的兴起为解决上述问题提供了新的思路．生成式人工智能经历多轮迭代，多模态、连贯性的信息处理和生成能力显著提升，使即时学习和个性化教学成为可能［６］．《课标２０２２》指出，教师应重视和利用现代信息技术，实现教学工具方法创新，促进数学教学改革［１］４．生成式人工智能支持下的教育数字化转型已成为必然，本文将分析生成式人工智能在初中数学跨学科教学中的应用优势，探讨教师如何借助技术实现教学的创新，同时规避可能的风险．

２生成式人工智能赋能数学跨学科学习的内在机制

生成式人工智能正在推动“师－生”二元课堂结构向“师－机－生”三元认知协同结构发展［７］．在“师－机－生”的结构中，除教师和学生两个传统主体角色外，生成式人工智能凭借其强大的技术优势，承担着大量教学活动中的基础工作，为“教学评”一体化的设计与实施提供深度赋能（图１），逐渐成为类主体角色．

２．１课前：赋能教师准备

（１）整合教学资源

习惯于传统教育模式的教师，其教学内容的组织往往局限于单一学科，忽视学科间的对话与合作［８］．同时，传统的“关键词检索”高度依赖用户对目标事物的认知．而生成式人工智能支持的语义搜索具备理解用户意图和上下文的能力，教师可进行启发性搜索，提高搜索效率．以ＤｅｅｐＳｅｅｋ为代表的模型更具备“思维过程”可视化机制，将隐式推理链条转化为可解释的逐步推导路径［９］，助力教师正确把握跨学科主题内容的基本原理和研究范式．

（２）优化教学设计

生成式人工智能能够对输入的跨学科主题进行嵌入表示与语义关联，依托语料库中的预训练信息，快速构建初步的教学设计框架，包括教学目标、活动流程、时间分配等要素．教师通过自然语言交互输入情境和调整指令，大语言模型将依托上下文理解与序列生成机制，对方案进行动态迭代与细节优化．此外，其多模态生成能力能够输出图文、音视频等资源，协助构建沉浸式、可视化的项目情境．

２．２课中：赋能学生探究

（１）促进启发式学习

在跨学科主题学习中，学生的主体地位进一步凸显．教师引导学生在真实复杂的情境中提出有意义的问题［１０］．在此过程中，学生与生成式人工智能展开多轮对话，了解跨学科知识背景，不断提出问题．生成式人工智能能够基于核心问题生成具有启发性、引导性的问题，促进学生的深层思考，推动学生理解跨学科知识之间的逻辑关系，培养学生的批判思维．

（２）引导个性化探究

在传统的教学模式中，学生缺乏对学习资源的自主探索和独立思考［１１］．生成式人工智能所呈现的结构化知识，有利于学生对跨学科知识的提取和组织．面对同一问题，不同学生借助生成式人工智能选择不同的探究路径，打破传统的教育模式，形成自我导向的学习节奏调控能力，促进逻辑思维与表达能力的提升．生成式人工智能的“思维过程”可视化机制有助于将内隐认知过程显性化，推动学习者元认知的发展．

（３）辅助模型构建

跨学科主题学习强调学生构建实际问题的数学模型，从具体数据中抽象出数学模型也是学习中的关键与难点．学生先自主尝试归纳规律，再通过对生成式人工智能有条理地阐述模型结论的合理性，经历思维发散和逻辑收敛的过程，提升语言组织和表达能力．在这一过程中，学生能清晰地认识自身思维的不足，从而更有效地完成从具体数据到数学模型的认知建构．

２．３课后：赋能多元评价

（１）支持实时性反馈

生成式人工智能可以在交互过程中动态生成个性化评语，给予学生实时反馈．当学生出现理解困难或错误认知时，可以得到其及时的解释与引导，有助于提高学生的学习兴趣［１２］，促使学生学会反思．这一技术应用使教师能够专注于课堂教学和引导学生，也有助于落实评价主体多元化，真正实现“以评促学、以评促教”．

（２）提供过程性评价依据

跨学科主题学习的评价需要从多维度进行，教师应注重对学生学习过程的整体评价，分析学生在不同阶段的表现特征和发展变化．生成式人工智能可以记录学生的交互数据，追踪学生的认知过程，为教师提供持续的过程性评价依据．学生也可以对自身的学习过程进行分析，形成自我评价与同伴互评，从而构建更为全面的评价体系．

（３）实现自动化评价

教师可以借助生成式人工智能为学生的跨学科主题学习成果创设量化的评分标准，为教师评价和学生互评提供合理依据．人工智能可以自动分析学生的交互数据和研究报告，按照该评分标准生成评价报告，不仅减轻教师负担，更推动教学评价从经验判断转向数据驱动的科学转型．

３生成式人工智能赋能数学跨学科学习的实践

基于上述对生成式人工智能赋能跨学科创新思维培养的内在机制分析，下文将以苏科版八年级上册“综合与实践：估计圆周率π的范围”为例，依据“教学评”一致性的要求，从课前、课中、课后三个阶段分别探讨生成式人工智能赋能跨学科学习的实践路径，以期形成一个不断迭代的闭环模式［１３］．

３．１课前：辅助教师进行教学准备

传统模式下，教学设计的进行依赖教师个人的专业知识，存在一定的封闭性．而引入生成式人工智能的备课过程更加开放．教师可以针对细节向人工智能提出修改意见，通过人机双向反馈的方式不断优化教学设计［１４］．在综合与实践主题中，教师不仅需要掌握数学学科知识，还需了解相关数学史．生成式人工智能支持的“语义搜索”可以理解教师的意图，并快速整理和罗列信息［１５］．在本节课中，教师借助生成式人工智能搜集和整理圆周率的数学史，生成的文本按照时间顺序罗列了信息，且重点突出（表１）．

３．２课中：引导学生探究，促进个性化学习

在“师－机－生”教学模式中，教师主要负责构建学习框架和引导设计的实施，生成式人工智能作为辅助工具，承担资源生成与认知支持的功能，学生则是学习的主要参与者．下面以两个探究任务为例，展示生成式人工智能在主题学习中的具体应用路径．

（１）搜集资料，了解π的探索历程

在探究中，学生以小组为单位，整理有关π的数学史，并以时间轴的形式呈现探究成果．生成式人工智能能够实现对文本内容的关键点归纳与逻辑化重组，有效降低学生在信息筛选与整合过程中的认知负荷．学生还可借助人工智能提炼出不同历史时期π的研究进程，为时间轴的制作提供信息基础．

（２）基于“夹逼法”的数学实验：估计π的范围

３．３课后：评价反思与拓展应用

《课标２０２２》指出，跨学科主题学习的评价内容主要包括学生对相关知识的理解，学习活动中的思考、交流与创意的表现，以及研究成果的质量［１］８８．课后学生应提交研究报告，阐述从几何图形抽象出面积与π的关系的过程，用不等式表达逼近过程，并用数据归纳误差的变化．生成式人工智能在持续的人机交互对话中进行数据采集，对学生的数学抽象和表达能力进行评估，实现过程性与结果性评价的结合［１６］．学生可以基于人工智能的反馈完善研究报告，深化学习成果．同时，人工智能可支持学生开展拓展性学习，例如：具体比较阿基米德的“逼近法”与“割圆术”的异同，自主学习概率学、无穷级数等其他估计π的方法，了解π在密码学等学科中的应用．

４研究结论与展望

４．１研究主要结论